Мультитрейт-мультиметодная матрица - Multitrait-multimethod matrix - Wikipedia

В мультитрейт-мультиметод (MTMM) матрица это подход к изучению конструировать действительность разработан Кэмпбелл и Фиске (1959).[1] Организует сходящийся и дискриминант свидетельство действительности для сравнения того, как мера соотносится с другими мерами.

Определения и ключевые компоненты

Множественные черты используются в этом подходе для изучения (а) похожих или (б) несходных черт ( конструкции ), как установить сходящийся и дискриминант валидность между признаками. По аналогии, несколько методов используются в этом подходе для изучения дифференциальных эффектов (или их отсутствия), вызванных отклонениями, характерными для метода.

При проверке достоверности конструкции с помощью матрицы MTMM необходимо учитывать шесть основных факторов, а именно:

  1. Оценка конвергентной действительности - Тесты, предназначенные для измерения одного и того же конструкта, должны сильно коррелировать между собой.
  2. Оценка дискриминантной (дивергентной) валидности - Конструкция, измеряемая тестом, не должна коррелировать высоко с разными конструкциями.
  3. Единица метода-признака- Каждое задание или тест, используемый для измерения конструкта, считается единицей метода признака; в том, что дисперсия, содержащаяся в мере, является отчасти признаком, а отчасти методом. Как правило, исследователи хотят иметь низкую дисперсию по конкретным методам и высокую дисперсию признаков.
  4. Мультитрейт-мультиметод - Для установления (а) дискриминантной валидности и (б) относительного вклада характерной особенности или специфической дисперсии метода необходимо использовать более одного признака и более одного метода. Этот принцип согласуется с идеями, предложенными в концепции Платта о Сильный вывод (1964).[2]
  5. Совершенно другая методология - При использовании нескольких методов необходимо учитывать, насколько разные фактические меры. Например, предоставление двух самоотчетов не совсем разные меры; тогда как использование шкалы интервью или психосоматического чтения было бы.
  6. Характеристики черт - Черты должны быть достаточно разными, чтобы отличаться друг от друга, но достаточно похожими, чтобы их стоило изучить в MTMM.

Пример

В приведенном ниже примере представлена ​​прототипная матрица и показано, что означают корреляции между мерами. Диагональная линия обычно заполняется коэффициентом надежности меры (например, коэффициентом альфа). Описания в скобках [] указывают на то, что ожидается, когда валидность конструкции (например, депрессия или тревога) и валидность показателей будут высокими.

ТестБек Депрессия Инв.Интервью Гепнера о депрессииBeck Anxiety InvИнтервью Hepner Anxiety
BDI(Коэффициент надежности) [близко к 1,00]
HDIvГетерометод-монотрейт [высший из всех, кроме надежности](Коэффициент надежности) [близко к 1,00]
BAIМонометод-гетеротрейт

[низкий, менее монохромный]

Гетерометод-гетеротрейт [самый низкий](Коэффициент надежности) [близко к 1,00]
HAIvГетерометод-гетеротрейт [самый низкий]Монометод-гетеротрейт [низкий, менее монотрейтный]Гетерометод-монотрейт [высший из всех, кроме надежности](Коэффициент надежности) [близко к 1,00]

В этом примере первая строка и первый столбец отображают оцениваемую черту (то есть тревогу или депрессию), а также метод оценки этой черты (например, интервью или опрос, измеренный с помощью вымышленных мер). Термин гетерометод указывает на то, что в этой ячейке корреляция между два отдельных метода сообщается. Монометод указывает на обратное, поскольку используется тот же метод (например, интервью, интервью). Heterotrait указывает на то, что клетка сообщает о двух предположительно разных чертах. Monotrait указывает на обратное - что используется одна и та же черта.

При оценке фактической матрицы желательно изучить долю дисперсии, разделяемую между признаками и методами, чтобы определить, насколько конкретная дисперсия метода вызвана методом измерения, а также взглянуть на то, насколько уникальна эта характеристика, поскольку по сравнению с другой чертой.

То есть, например, характеристика должна иметь большее значение, чем конкретный метод измерения. Например, если человек оценивается как находящийся в сильной депрессии по одному показателю, то другой тип меры также должен указывать на то, что человек находится в сильной депрессии. С другой стороны, люди, которые выглядят сильно подавленными в инвентаре депрессии Бека, не обязательно должны получать высокие баллы тревожности в инвентаре тревожности Бека. Поскольку описи были составлены одним и тем же человеком и похожи по стилю, может существовать некоторая корреляция, но это сходство в методах не должно сильно влиять на оценки, поэтому корреляция между этими измерениями различных характеристик должна быть низкой.

Анализ

Для анализа данных из матрицы MTMM использовались различные статистические подходы. Стандартный метод Кэмпбелла и Фиске может быть реализован с помощью программы MTMM.EXE, доступной по адресу: https://web.archive.org/web/20160304173400/http://gim.med.ucla.edu/FacultyPages/Hays/utils/ Также можно использовать подтверждающий факторный анализ[3] из-за сложности рассмотрения всех данных в матрице. Тест Савиловского I,[4][5] тем не менее, все данные в матрице рассматриваются с помощью статистического теста на тенденцию без распределения.

Испытание проводится путем сведения треугольников гетеропроект-гетерометод и гетеропроект-монометод, а также диагоналей достоверности и надежности в матрицу из четырех уровней. Каждый уровень состоит из минимального, среднего и максимального значения. Нулевая гипотеза состоит в том, что эти значения неупорядочены, что проверяется в сравнении с альтернативной гипотезой о возрастающей упорядоченной тенденции. Тестовая статистика определяется путем подсчета количества инверсий (I). Критическое значение для альфа = 0,05 - 10, а для альфа = 0,01 - 14.


Одной из наиболее часто используемых моделей для анализа данных MTMM является модель True Score, предложенная Сарисом и Эндрюсом ([6]Модель True Score может быть выражена с помощью следующих стандартизованных уравнений:

    1) Yij = рij TSij + еij* куда: Yij - стандартизированная наблюдаемая переменная, измеряемая с помощью ith черта и jth метод. рij - коэффициент надежности, равный: рij = σYij / σTSij          TSij это стандартизированная переменная истинной оценки еij* - случайная ошибка, равная: еij* = еij / σYij           Как следствие: рij2 = 1 - σ2 ij*) куда: рij2 надежность
    2) TSij = vij Fя + мij Mj куда: vij - коэффициент достоверности, равный: vij = σFя / σTSij          Fя стандартизованный скрытый фактор для ith интересующая переменная (или признак) мij - эффект метода, равный: мij = σMj / σTSij         Mj - стандартизованный латентный фактор реакции на jthметод Следовательно: vij2 = 1 - мij2 куда: vij2 это действительность
    3) Yij = qijFя + рijмijMj + е * куда: qij - коэффициент качества, равный: qij = рij  •  vij             Как следствие: qij2 = рij2  •  vij2 = σ2Fя / σ2Yij куда: qij2 качество

Предположения следующие:

     * Ошибки случайны, поэтому среднее значение ошибок равно нулю: µе = E(е) = 0      * Случайные ошибки не коррелируют друг с другом: covя, еj) = Eя еj) = 0      * Случайные ошибки не коррелируют с независимыми переменными: cov(TS, e) = E(TS e) = 0 ,  cov(F, e) = E(F e) = 0  и cov(Мне) = E(Мне) = 0       * Предполагается, что факторы метода не коррелируют друг с другом и с характеристическими факторами: cov(Ж, М) = E(F M) = 0 


Как правило, респондент должен ответить как минимум на три разных вопроса (т. Е. На характеристики), измеренные с использованием как минимум трех разных методов. Эта модель использовалась для оценки качества тысяч вопросов опроса, в частности, в рамках Европейское социальное исследование.

Рекомендации

  1. ^ Кэмпбелл Д.Т. и ФискеД.В. (1959) Конвергентная и дискриминантная валидация с помощью матрицы мультитрейт-мультиметодов. Психологический бюллетень, 56, 81-105 "
  2. ^ Джон Р. Платт (1964). «Сильный вывод». Наука 146 (3642).
  3. ^ Фигередо А., Феркетич С., Кнапп Т. (1991). Сосредоточьтесь на психометрии: подробнее о MTMM: роль подтверждающего факторного анализа. Уход и здоровье, 14, 387-391
  4. ^ Савиловский, С. (2002). Быстрый тест на тенденцию, не требующий распространения, который подтверждает валидность конструкции. Измерение и оценка в консультировании и развитии, 35, 78-88.
  5. ^ Cuzzocrea, J., & Sawilowsky, S. (2009). Устойчивость к независимости и сила I теста на тенденцию в валидности конструкции. Журнал современных прикладных статистических методов, 8(1), 215-225.
  6. ^ Сарис, В. Э. и Эндрюс, Ф. М. (1991). Оценка средств измерений с использованием подхода структурного моделирования. Стр. 575 - 599 in Ошибки измерения в опросах, под редакцией Бимера, П. П. и др. Нью-Йорк: Вили.